Spatial distribution within hierachical patchs dynamics systems : identifying species-environment spatial relationships at multiscales | Distributions et structures spatiales au sein des patchs hiérarchiques dynamiques : mise en évidence des relations spatiales espèce-environnement à échelles multiples

English. The identification of relevant spatial scales in organism-environment relationships is a key step in the understanding of an ecosystem. To study this concern, the hierarchical patch dynamic theory offers a unique concept to relate the ecological processes, patterns and scales. Based on this theory, we approach the identification of relevant spatial scale in organism-environment relationships, with the intention to explicitly account for the spatial component of ecological processes. From the comparison between the PCNM method and the geostatistical approach applied to spruce's defoliation caused by spruce budworm in Ontario (Canada), the geostatistical approach is more efficient to identify relevant spatial scale inorganism-environment relationships. Even so, to answer the question of significance of identified scales, we developed a Monte-Carlo test for nested variogram models. However classical geostatistics could be difficult to use with ecological data which have positive, skewed distribution. To consider this problem, we developed a hierarchical model associated to geostatistics and applied it to modelling spatial distribution of auks (Uria spp) in the Bay of Biscay. Tree levels of patches were characterized: a very broad scale patch (200 km), broad scale patches (50 km) and fine scale patches (10 km). The spatio-temporal analysis of links between auk distribution and the oceanographic landscape discriminates between the "process variables" which feature a stable link in term of sign and correlation among time and "circumstance variables" which have unstable link. At very broad scale, the surface salinity, the mixed layer depth and the chlorophyll a, could be view as "process variables" which have been used to define the potential habitat of auks during the wintering season. At broad scale, only chlorophyll a is selected as a process variable, giving a path to model preferential habitats. These two kinds of habitats can then be connected to different levels of a hierarchical patch dynamic system.

French. L'identification des échelles spatiales pertinentes dans l'étude des interactions espèces-environnement est indispensable pour avoir une meilleure compréhension du fonctionnement des écosystèmes. Pour aborder cette problématique la théorie des patchs hiérarchiques offre un principe unificateur permettant de relier les concepts de processus écologiques, de pattern et d'échelles. La mise en évidence des différentes échelles destructuration des organismes et des liens avec leur environnement a été abordée en se basant sur cette théorie et avec la volonté de prendre en compte de manière explicite la composante spatiale du processus étudié. A partir de la comparaison entre la PCNM et les géostatistiques, appliquées aux défoliations causées par une chenille tordeuse de bourgeons sur les épineux de l'Ontario (Canada), les géostatistiques sont apparues plus efficaces dans l'identification des relations espèces-environnement à différentes échelles. Restait la question de la significativité des échelles identifiées, pour cela un test par simulation Monte-Carlo a été développé pour les modèles de variogrammes emboîtés. Cependant, les géostatistiques classiques peuvent être difficile à utiliser avec des données écologiques présentant des distributions discrètes et fortement dissymétriques. Pour palier ces difficultés, un modèle hiérarchique couplé aux géostatistiques a été développé et appliqué à la modélisation de la distribution des guillemots (Uria spp) dans le golfe de Gascogne. Trois niveaux de structuration spatiale ont été caractérisés: un pattern à trèslarge échelle (200 km), un pattern à moyenne échelle (50 km) et un pattern à fine échelle (10 km). L'analyse spatio-temporelle des liens nous a permis de distinguer deux types de variables : les variables de processus pour lesquelles le lien est stable en terme de corrélation et de signe au cours du temps ; et les variables de circonstances pour lesquelles le lien n'est pas stable. A très large échelle, nous avons identifié trois variables de processus : la salinité de surface, la profondeur de la couche de mélange et la chlorophylle a, qui nous permettent de modéliser l'habitatpotentiel des guillemots. A moyenne échelle, seule la chlorophylle a est reconnue comme une variable de processus, donnant une piste pour modéliser les habitats préférentiels. Ces deux types d'habitats peuvent être reliés aux niveaux d'un système en patchs hiérarchiques dynamique.